基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析

劉開元

摘 要

目前，社會(huì)正處于一個(gè)微博崛起的時(shí)代，一切有關(guān)于微博的問題都被社會(huì)廣泛關(guān)注，并得到了工業(yè)界和學(xué)術(shù)界的高度重視。微博從出現(xiàn)以來，取得了良好的發(fā)展，并擁有大眾的普遍關(guān)注和應(yīng)用。微博的超大信息量和高速度的更新等，都是值得研究的話題。同時(shí)，微博處理自然語言已經(jīng)成為當(dāng)前最新型和熱門的研究課題，而其中最值的探討的熱點(diǎn)課題就是中文微博情感分析。

【關(guān)鍵詞】詞典 機(jī)器學(xué)習(xí) 中文微博 情感分析

在當(dāng)前眾多社交網(wǎng)絡(luò)平臺(tái)中，微博以新型的信息發(fā)布手段具有重要的社會(huì)影響力。根據(jù)我國相關(guān)數(shù)據(jù)統(tǒng)計(jì)可以發(fā)現(xiàn)，我國微博用戶使用量已經(jīng)高達(dá)3.5億，并處于逐年上升的趨勢(shì)，占全國網(wǎng)絡(luò)居民中的百分之五十。微博情感分析是按照主觀傾向性將微博文本分為三類：第一是正向；第二是負(fù)向；第三是中性。

1 情感的分析方法

目前，主要通過兩種技術(shù)來對(duì)情感進(jìn)行分析。第一類是根據(jù)情感詞典來進(jìn)行，微博文本中所包含的正向情感詞和負(fù)向情感詞都通過情感詞典來進(jìn)行統(tǒng)計(jì)分析，而文本的情感極性則依靠所取得的差值來決定。第二類是機(jī)器學(xué)習(xí)的使用方法，對(duì)測(cè)試預(yù)料和訓(xùn)練詞進(jìn)行相關(guān)的標(biāo)注，再使用分類器對(duì)情感進(jìn)行分析，其中分類器包括有：

（1）KNN；

（2）最大熵；

（3）支持向量機(jī)等。

另外，Wang與相關(guān)研究人員對(duì)Twitter情感分析系統(tǒng)進(jìn)行了構(gòu)建，其能對(duì)相關(guān)評(píng)論信息的情感傾向性進(jìn)行較為實(shí)時(shí)的分析。Agarwal與相關(guān)人員通過對(duì)極性詞語的特征研究，對(duì)微博文本通過樹內(nèi)核模進(jìn)行了情感分類研究，其也獲得了一定的成績。Jiang及其成員對(duì)微博文本的情感分析使用了主題無關(guān)和主題相關(guān)的方式進(jìn)行了分類，一種是正向情感，一種是負(fù)向情感。

與英文微博相比，中文微博具有很大差異，其中主題較為發(fā)散是中文微博的主要特點(diǎn)，且內(nèi)容十分繁雜豐富，并與英文微博的行文習(xí)慣也有很大區(qū)別。因此，部分研究人員通過多種計(jì)算方法對(duì)微博的情感分析進(jìn)行了全方位的分析，其中所包括的算法有：

（1）三種特征選擇方法；

（2）三種及其學(xué)習(xí)算法；

（3）三種特征權(quán)重計(jì)算方法，但該方法對(duì)微博文本的行文特點(diǎn)并沒有考慮到位，導(dǎo)致在整條微博中，微博表情符號(hào)直接影響了文本的情感極性。

同時(shí)，其他研究人員提出了微博情感分析的層次結(jié)構(gòu)分析方法，但由于表情符號(hào)的規(guī)則原因，其有了提高分類效果的作用，但卻使微博文本中的極性信息被忽視。由于中文微博主題發(fā)散和內(nèi)容簡短，以及不規(guī)范的用語和未登錄詞較多等問題，使中文微博文本目前的情感分析效果未取得一定的進(jìn)展。由于詞典方法和及其學(xué)習(xí)方法都存在各自的問題，針對(duì)中文微博的文本內(nèi)容簡短、口語化國多和主題不集中等特點(diǎn)，提出了有關(guān)于結(jié)合詞典和機(jī)器學(xué)習(xí)的方法，以對(duì)中文微博情感進(jìn)行更為準(zhǔn)確的研究。

2 基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析

基于中文微博的特點(diǎn)研究，采用詞典與機(jī)器學(xué)習(xí)相結(jié)合的方式，進(jìn)一步分析研究中文微博文本的情感傾向性。

2.1 特征降維

經(jīng)過分析微博文本可以看出，其中的形容詞和動(dòng)詞是最主要的情感詞語，也能夠準(zhǔn)確反映文本情感的傾向性，所以特征的選擇應(yīng)當(dāng)主要以形容詞和動(dòng)詞為主。微博文本中所包含的所有形容詞和動(dòng)詞都被特征空間所集合包含，當(dāng)產(chǎn)生較大訓(xùn)練文本集時(shí)，則具有非常高維數(shù)的特征空間。同時(shí)，中文微博中還較頻繁出現(xiàn)表情符號(hào)，并還含有多個(gè)詞或是十多個(gè)詞，使絕大多數(shù)維上的值在特征向量中顯示為0，導(dǎo)致數(shù)據(jù)稀疏性的問題出現(xiàn)在特征空間中，所以，必須使用降維來對(duì)特征空間進(jìn)行緩解。

常用的特征降維方法有兩種：

（1）特征選擇；

（2）特征抽取。

但特征抽取具有大計(jì)算量和儲(chǔ)存方面的問題，對(duì)于處理文本具有一定的局限。特征選擇在性能方面十分良好，通過特征降維的統(tǒng)計(jì)法后，依然出現(xiàn)特征空間的嚴(yán)重?cái)?shù)據(jù)稀疏性問題，則需進(jìn)一步對(duì)特征空間進(jìn)行降維操作。在聚類詞語方面，層次聚類算法具有明顯的作用。所以，可以采取統(tǒng)計(jì)法融合層次聚類算法的層次結(jié)構(gòu)來實(shí)現(xiàn)降維。特征選擇在進(jìn)行統(tǒng)計(jì)法后，可以對(duì)特征空間進(jìn)行初步的維數(shù)降低，并依靠層次聚類算法實(shí)現(xiàn)特征空間的有效降維，保證特征空間維數(shù)的進(jìn)一步降低，最終實(shí)現(xiàn)特征降維的有效目的。

2.2 特征極性值

中文微博中的修飾詞和情感詞所構(gòu)成的極性值短語為極性特征的極性值。絕對(duì)值越大的極性值，具有越強(qiáng)的情感極性，反之越小的絕對(duì)值，其情感極性越弱。在微博文本中可以出現(xiàn)很多次同一個(gè)極性特征，每出現(xiàn)一次，則極性副詞彼此之間都有不同的順序，也導(dǎo)致每次的極性值計(jì)算都有所差異。所以，該極性特征可以通過極性值的平均算數(shù)值來作為最終極性值。中文微博中的評(píng)論性所使用的符號(hào)表情，對(duì)于本人的立場和情感都有真實(shí)的反應(yīng)和重要作用，能使該條文本的情感極性進(jìn)一步增強(qiáng)。如果在微博文本中，正向極性特征的極性值在微博文本中得到加強(qiáng)，那其正向表情符號(hào)肯定超過負(fù)向表情符號(hào)的有效數(shù)目。相反，如果負(fù)向極性特征的極性值出現(xiàn)減弱，則微博文本中的負(fù)向表情符號(hào)肯定大于正向表情符號(hào)的有效數(shù)目。中性特征的極性值在正常情況下應(yīng)當(dāng)為0，但為了實(shí)現(xiàn)和出現(xiàn)次數(shù)為0的特征項(xiàng)目進(jìn)行區(qū)別，可以對(duì)中性特征的極性值設(shè)置一個(gè)小的公式設(shè)計(jì)。

3 結(jié)束語

總之，本文對(duì)詞典與機(jī)器學(xué)習(xí)的中文微博情感分析方法進(jìn)行了探討，并根據(jù)中文微博的相關(guān)特點(diǎn)，對(duì)層次結(jié)構(gòu)的降維方法進(jìn)行理論探討。同時(shí)，隨著網(wǎng)絡(luò)信息的逐步發(fā)展，中文微博中還在不斷產(chǎn)生一些新鮮的詞匯，導(dǎo)致其無法被當(dāng)前的分詞系統(tǒng)進(jìn)行有效識(shí)別，對(duì)分類中文微博情感造成了一定的阻礙，所以，未來還應(yīng)不斷嘗試新的分類方法來對(duì)其進(jìn)行識(shí)別匹配。

參考文獻(xiàn)

[1]孫建旺，呂學(xué)強(qiáng)，張雷瀚.基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析研究[J].計(jì)算機(jī)應(yīng)用與軟件，2014（07）：177-181.

[2]孫曉，葉嘉麒，龍潤田，任福繼.基于情感語義詞典與PAD模型的中文微博情感分析[J].山西大學(xué)學(xué)報(bào)（自然科學(xué)版），2014（04）：580-587.

[3]張慶慶，劉西林.基于機(jī)器學(xué)習(xí)的中文微博情感分類研究[J].未來與發(fā)展，2015（04）：59-63.

作者單位

廣州大學(xué)計(jì)算機(jī)學(xué)院 廣東省廣州市 510006